KARADENİZ İNCELEMELERİ DERGİSİ’NDE YAYIN EĞİLİMLERİ VE TEMATİK DÖNÜŞÜM (2010–2025): BİBLİYOMETRİK ANALİZ VE KONU MODELLEMESİ

Öz

Bu çalışma, Karadeniz İncelemeleri Dergisi’nin 2010-2025 yılları arasında yayımlanan makalelerini bibliyometrik analiz ve Latent Dirichlet Allocation (LDA) tabanlı konu modelleme yaklaşımıyla incelemeyi amaçlamaktadır. Araştırmanın veri kümesi, TR Dizin üzerinden elde edilen toplam 346 makaleden oluşmaktadır. Çalışmada makalelerin başlık, özet ve yazar anahtar kelimeleri bir araya getirilerek metin veri seti oluşturulmuş, ardından Türkçe ve İngilizce durdurma kelimelerinin çıkarılması, lemmatizasyon ve belge-terim matrisi oluşturma gibi ön işleme adımları uygulanmıştır. Konu modelleme analizi sonucunda derginin tematik yapısını temsil eden 17 ana konu belirlenmiş, bu konuların dönemsel dağılımları ve zamansal eğilimleri incelenmiştir. Bulgular, derginin özellikle Osmanlı-Rusya ilişkileri, Kafkasya çalışmaları, yerel tarih, askerî süreçler ve bölgesel sosyo-ekonomik yapılar etrafında yoğunlaştığını göstermektedir. Bibliyometrik analizler yayın üretiminin büyük ölçüde Türkiye merkezli olduğunu, belirli yazarlar ve kurumlar etrafında kümelendiğini ve Karadeniz Teknik Üniversitesi’nin dergide en yüksek kurumsal katkıya sahip olduğunu ortaya koymuştur. Sonuç olarak çalışma, Karadeniz İncelemeleri Dergisi’nin hem tematik evrimini hem de akademik üretim yapısını bütüncül bir bakış açısıyla değerlendirerek derginin bölgesel tarih ve sosyal bilimler literatüründeki entelektüel konumunu görünür kılmaktadır.

Anahtar Kelimeler

• Karadeniz İncelemeleri Dergisi
• bibliyometrik analiz
• konu modelleme
• LDA
• tematik eğilimler

PUBLICATION TRENDS AND THEMATIC TRANSFORMATION IN KARADENİZ İNCELEMELERİ DERGİSİ (2010-2025): A BIBLIOMETRIC ANALYSIS AND TOPIC MODELING

Öz

This study aims to examine the articles published in Karadeniz İncelemeleri Dergisi between 2010 and 2025 through bibliometric analysis and a Latent Dirichlet Allocation (LDA)-based topic modeling approach. The dataset consists of a total of 346 articles retrieved from TR Dizin. For the purposes of the study, a textual dataset was constructed by combining article titles, abstracts, and author keywords. Subsequently, several preprocessing steps were applied, including the removal of Turkish and English stop words, lemmatization, and the construction of a document-term matrix. As a result of the topic modeling analysis, 17 major topics representing the journal’s thematic structure were identified, and their distribution across periods as well as their temporal trends were examined. The findings indicate that the journal is primarily focused on themes such as Ottoman-Russian relations, Caucasian studies, local history, military developments, and regional socio-economic structures. Bibliometric analyses further reveal that publication output is largely centered in Türkiye, clustered around certain authors and institutions, and that Karadeniz Technical University has made the highest institutional contribution to the journal. In conclusion, the study evaluates both the thematic evolution and the structure of academic production in Karadeniz İncelemeleri Dergisi from a holistic perspective, thereby highlighting the journal’s intellectual position within the literature on regional history and the social sciences.

Anahtar Kelimeler

• Karadeniz Incelemeleri Dergisi
• bibliometric analysis
• topic modeling
• LDA
• thematic trends

Kaynakça

1. AGGARWAL, C. C., & ZHAİ, C. (2012). An introduction to text mining. In C. C. Aggarwal & C. Zhai (Eds.), Mining text data (pp. 1–10). Springer. https://doi.org/10.1007/978-1-4614-3223-4_1
2. AKCAN, L. (2025). Turkish History Education Journal (TUHED) dergisinin bibliyometrik analizi: 2012-2025. Turkish History Education Journal, 14(2), 65-81. https://doi.org/10.17497/tuhed.1734337
3. AL, U., SOYDAL, İ. & YALÇIN, H. (2010). Bibliyometrik Özellikleri Açısından bilig'in Değerlendirilmesi. Bilig / Türk Dünyası Sosyal Bilimler Dergisi, 55, 1-20.
4. AYAZ, A., OZYURT, O., AL-RAHMİ, W. M., SALLOUM, S. A., SHUTALEVA, A., ALBLEHAİ, F., & HABES, M. (2023). Exploring gamification research trends using topic modeling. IEEE Access, 11, 119676–119692. https://doi.org/10.1109/ACCESS.2023.3326444
5. AYDINOĞLU, A. U., İLHAN, A., & ÖZER, Ö. K. (2023). Bir sosyal bilimler araştırma yöntemi olarak bibliyometri: akademik girişimcilik örneği. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 55, 235-258. https://doi.org/10.30794/pausbed.1124926
6. BLEI, D. M., Ng, A. Y., & JORDAN, M. I. (2003). Latent Dirichlet allocation. Journal of Machine Learning Research, 3(4–5), 993-1022.
7. BOZTAŞ, G. D., BERİGEL, M., & ALTINAY, F. (2024). A bibliometric analysis of Educational Data Mining studies in global perspective. Education and Information Technologies, 29(7), 8961-8985.
8. CHU, K., KEİKHOSROKİANİ, P., & ASL, M. (2022). A topic modeling and sentiment analysis model for detection and visualization of themes in literary texts. Pertanika Journal of Science and Technology, 30(4), 2535–2561. https://doi.org/10.47836/pjst.30.4.14

9. DONTHU, N., KUMAR, S., MUKHERJEE, D., PANDEY, N., & LIM, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285–296. https://doi.org/10.1016/j.jbusres.2021.04.070
10. GRISALES, A., ROBLEDO, S., & ZULUAGA, M. (2023). Topic modeling: Perspectives from a literature review. IEEE Access, 11, 4066–4078. https://doi.org/10.1109/ACCESS.2022.3232939
11. İPEK, N. (2021). Yerel Tarih Araştırmalarında Yerel Yayınevlerinin Yeri ve Önemi: Trabzon Örneği. History Studies, 13(2), 323-339.
12. KOCASAVAŞ, Y., Aşkın BALCI, H., & ÖZCİVANOĞLU, S. (2025). Bibliometric Analysis of bilig from 2008 to 2022. Bilig, 112, 1-31. https://doi.org/10.12995/bilig.7597
13. KILINÇ, M., & AYAZ, A. (2025). Exploring User Perceptions of ChatGPT: A Large-Scale Topic Modeling Analysis using LDA. Academic Platform Journal of Engineering and Smart Systems, 13(3), 120-130.
14. OZYURT, O., & AYAZ, A. (2024). Identifying cyber security competencies and skills from online job advertisements through topic modeling. Security Journal, 37(4), 1339-1359.
15. OZYURT, O., ÖZKÖSE, H., & AYAZ, A. (2024). Evaluating the latest trends of Industry 4.0 based on LDA topic model. The Journal of Supercomputing, 80(13), 19003-19030.
16. POYRAZ, Ö. (2024). Tarih disiplininde osmanlı imparatorluğu hakkında yapılan araştırmaların vosviewer ile bibliyometrik analizi. Journal of Academic Inquiries, 19(1), 93-118. https://izlik.org/JA28JN96FC
17. PRAMANA, R., DEBORA, D., SUBROTO, J. J., GUNAWAN, A. A. S., & ANDERİES. (2022). Systematic literature review of stemming and lemmatization performance for sentence similarity. In 2022 IEEE 7th International Conference on Information Technology and Digital Applications (ICITDA) (pp. 1–6). IEEE. https://doi.org/10.1109/ICITDA55840.2022.9971451
18. ŘEHŮŘEK, R. (2025, August 1). Gensim: Topic modeling for humans – Parallelized Latent Dirichlet Allocation. https://radimrehurek.com/gensim/models/ldamulticore.html
19. RÖDER, M., BOTH, A., & HINNEBURG, A. (2015). Exploring the space of topic coherence measures. In Proceedings of the Eighth ACM International Conference on Web Search and Data Mining (pp. 399–408). https://doi.org/10.1145/2684822.2685324
20. SIEVERT, C., & SHIRLEY, K. (2014). LDAvis: A method for visualizing and interpreting topics. In Proceedings of the Workshop on Interactive Language Learning, Visualization, and Interfaces (pp. 63–70). Association for Computational Linguistics. https://www.aclweb.org/anthology/W14-3110
21. SİPAHİ DÖNGÜL, E. (2023). Türkiye Cumhuriyeti üzerine yapılan çalışmaların bibliyometrik analizi. Manas Sosyal Araştırmalar Dergisi, 12(ÖS), 117-127. https://doi:10.33206/mjss.1353210
22. USTA, V. (2006). Kenan Hoca İle Düşten Gerçeğe: Serander Yayınevi. Ada, (Yaz), 5-8.